[发明专利]一种基于改进模糊聚类算法的风电变压器故障诊断方法

说明书

本发明公开了一种基于改进模糊聚类算法的风电变压器故障诊断方法，包括如下步骤：1)收集故障样本，2)数据集合归一化处理并用作诊断模型的输入，3)构造诊断模型，确定故障样本的A_ij、B_i、I_i及v_j，构造拉格朗日函数求解目标函数的最小值，依据得出的迭代公式动态更新特征权重p_n，4)将实验结果进行故障分类，5)从实验结果中找出I_i值最大的数据点，这样的数据点就是中智点，对预测故障的发展趋势有很大的帮助，改进后的方法相比传统的故障诊断方法精确性更高，不仅大幅提升了风电变压器故障诊断的可靠性和故障诊断的速度，还能预测故障的发展趋势，对及时发现故障有很大的指导作用。

技术领域

本发明涉及一种基于改进模糊聚类算法的风电变压器故障诊断方法，属于变压器故障诊断技术领域。

背景技术

如今，风力发电已成为新能源发电的重要组成部分，风力发电技术规模日趋扩大，技术也愈加成熟。但是风力是不稳定的，当气候变化，风力不稳定时，风电系统输出的电压也会不稳定，间接导致了风电变压器出现各种故障，这些故障不仅影响系统的正常运行，甚至可能造成重大事故。因此，在建设风电站时不仅需要选用优良性能的变压器，还需要研究一种快速诊断故障类型的方法，在故障初期精准地发现变压器典型的故障并对典型故障进行分析，保障风电变压器安全可靠的运行。

申请号为201610676845.1的中国专利公开了一种风力发电系统中变流器的一级故障诊断方法，其步骤为：(1)建立一级故障分类原则；(2)测量变流器正常运行和故障运行下的直流侧输出电压信号，对所得的输出信号进行小波包分析，重构小波包分解系数，提取并计算各频带信号的能量，确定原信号的能量主要集中在哪个频段；(3)对该频段的信号进行小波功率谱分析，确定故障特征频率；(4)分析并对比变流器正常运行和各种故障运行状态下的特征频率和功率谱，得到变流器一级故障诊断结果。

但是，传统的故障分类方法总是在不确定故障类别的情况下，就把故障样本按照经验归为某一类，这样是不合理的，对故障的分类也是不准确的。随着技术的发展，应采用更科学的方法来进行故障分类，提升故障诊断的精度。因此，本发明提出了基于改进模糊聚类算法的风电变压器故障诊断方法。

发明内容

本发明提供一种基于改进模糊聚类算法的风电变压器故障诊断方法，用来在风电变压器故障初期精准地诊断故障类型，并对典型故障进行分析，保障风力发电场安全可靠的运行。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明公开了一种基于改进模糊聚类算法的风电变压器故障诊断方法，包括如下步骤：

1)收集故障样本。收集变压器油中溶解气体的数据，以其作为初始数据集合。

2)数据预处理。对样本数据集合采取归一化处理方式，并将归一化后的数据集用作诊断模型的输入。采用如下归一化方法，可以使样本数据的数量级差异减少：

式中代表经归一化处理后的数据，满足i表示样本数据个数编号；j表示特征维度序号，用1～5依次表示上述五种气体。

3)构造诊断模型，确定故障样本的A_ij、B_i、I_i及v_j和p_n。分为如下步骤：

31)设置相关参数，包括聚类中心个数C，模糊度m，用于控制噪声的数量的正则化参数ξ，隶属度特征常数ε₁,ε₂,ε₃。